[发明专利]一种质子交换膜燃料电池一致性的热电水协同控制方法

权利要求书

1.一种质子交换膜燃料电池一致性的热电水协同控制方法，其特征在于，包括以下步骤：

(1)、将非均匀控制向量参数化算法ndCVP集成到混合梯度粒子群优化算法HGPSO中，得到的非均匀控制向量参数化混合梯度粒子群优化算法ndCVP-HGPSO；

(2)、在考虑单电池一致性条件下，利用ndCVP-HGPSO算法对电池堆进行优化，获取负载需求功率下的电池堆的最优操作变量；

(2.1)、设置优化的目标函数；

V(t)＝f(t,U(t),α(t))

其中，N_s表示电池堆的单电池片数，[t₀,t_f]表示电池堆运行时间区间；S_r(t)为单电池波动率；V_j(t)表示第j片单电池的电压；表示电池堆的单电池平均电压；

f(·)为非线性函数；U(t)为操作变量，α(t)表示电池堆的其他参数；

其中，操作变量U(t)＝[T(t),RE(t),Δp(t)]，T(t)为电池堆的运行温度，RE(t)为电池堆的相对湿度，Δp(t)为电池堆的进出口压力差；

(2.2)、确定约束条件；

(2.3)、在约束条件下，利用ndCVP-HGPSO算法对目标函数进行优化，得到负载需求功率下，电池堆的最优操作变量；

(2.3.1)、设置分数时间参数R＝[r_i]，r_i∈[0,1]，i＝1,2,…,N，N为时间分段数；

(2.3.2)、将电池堆运行时间区间T＝[t₀,t_f]划分为N个子区间[t_k,t_k+1]，k＝0,1,2...N-1，即t₀≤t₁≤···≤t_N-1≤t_N＝t_f；

其中，

(2.3.3)、在N个子区间下，将操作变量U(t)＝[T(t),RE(t),Δp(t)]进行参数化处理，得到：

其中，表示U(t)的参数化处理，分别表示T(t),RE(t),Δp(t)的参数化处理；

(2.3.4)、利用基函数来逼近参数化处理后的操作变量分量

其中，c_m,k(t)表示第m个操作变量在第k个时间区间的控制变量分量；

(2.3.5)、引入分数时间参数R，将连续运行时间区间上的操作变量进行向量化，得到：

(2.3.6)、利用HGPSO优化算法进行全局寻优；

1)、设置最大迭代次数g_max；设置个体最优位置pbest，全局最优位置gbest，然后通过最小化比较进行迭代存储更新，即将每一个粒子个体从初始到当前第g次迭代搜索产生的最优位置均存储在pbest，种群当前的最优位置存储在gbest；

2)、初始化种群：对向量P中的每一个分量随机赋值，得到包含M个粒子Q_j的种群，j＝1,2,...,M；

其中，任意一个初始化粒子Q_j的位置表示为：

对应的初始速度值为：

通过求解器求出所有粒子对应的初始目标函数值然后将每一个粒子的初始目标函数值及对应操作变量存储在pbest中，将J⁰中初始目标函数值最小的元素及对应操作变量作为全局最优位置，存储在gbest中；

3)、计算第g次迭代后，所有粒子对应的电池一致性的优化目标函数值然后将各个粒子的目标函数值与pbest中第g-1次迭代后的各个粒子的目标函数值作比较，如果大于则用及对应操作变量去替换及对应操作变量，否则，保持及对应操作变量；同时，选出J^g中目标函数值最小的元素用与gbest中的比较，如果大于则用及对应操作变量去替换及对应操作变量，否则，保持及对应操作变量；

4)、判断当前迭代次数g是否到达预设的最大迭代次数，或第g次迭代后的电池一致性的优化目标函数值满足：k₁为常数，k₁的取值为[1，g_max]，k₁＜g，则迭代停止，将第g次迭代后得到gbest代入到步骤(2.3.7)；否则，进入步骤4)；

5)、更新粒子的位置和速度；

其中，w是惯性权重，rand₁和rand₂为两个随机数，c₁和c₂是加速度系数；

6)、将当前迭代次数g加1，再返回至步骤2)；

(2.3.7)、梯度优化算法进行局部寻优

读取gbest中的全局最优操作变量，记为再将作为梯度优化算法的初始点

从初始点开始，利用梯度优化算法对进行局部寻优，如果前后两轮迭代寻优的差值小于预设阈值，即的值小于预设阈值，则将第k₂次寻优的结果作为最终的最优操作变量，否则，令迭代次数k₂自加1，进行下一轮进行寻优操作；

(3)、设计具有自适应滑模鲁棒迭代学习功能的控制器；

(3.1)、设置迭代次数k₃，初始化k₃＝0；

(3.2)、根据最优操作变量绘制控制器的参考轨迹；

(3.3)、设计控制器的方程；

其中，和分别为迭代学习控制律和滑模控制律；为电池堆的运行温度，表示温度不确定量；为质子交换膜燃料电池的输出与期望轨迹之间的误差；f₆(·)为PID学习律算子；f₇(·)和f₈(·)为非线性算子；κ₁和κ₂为反馈增益常数；sgn(·)为符号函数；

(3.4)、将参考轨迹与质子交换膜燃料电池的输出的差值作为控制器的输入，对控制器进行迭代更新，直至控制器收敛，得到收敛后的自适应滑模鲁棒迭代学习控制器；

(4)、将收敛后的控制器用于质子交换膜燃料电池系统，通过控制电机运行来调节燃料流量、空气流量、散热器风扇速度和压缩机电压，从实现质子交换膜燃料电池一致性的热电水协同控制。

2.根据权利要求1所述的一种质子交换膜燃料电池一致性的热电水协同控制方法，其特征在于，所述温度不确定量能够利用RBF神经网络自适应估计，估计方程为：

其中，为RBF神经网络的自适应修正规则；f₉(·)为非线性算子；α(·)为高斯型基函数。